KERNEL EŞİTLEME VE MADDE TEPKİ KURAMINA DAYALI EŞİTLEME YÖNTEMLERİNİN KARŞILAŞTIRILMASI
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Hacettepe Üniversitesi, Eğitim Bilimleri Enstitüsü, Eğitim Bilimleri A.B.D., Türkiye
Tezin Onay Tarihi: 2017
Tezin Dili: Türkçe
Öğrenci: ÇİĞDEM AKIN ARIKAN
Asıl Danışman (Eş Danışmanlı Tezler İçin): SELAHATTİN GELBAL
Özet:Bu araştırmada denk olmayan gruplarda ortak madde deseninde Madde Tepki Kuramı gerçek puan eşitleme (Haebara) ile Kernel son tabakalama eşit yüzdelikli, Kernel son tabakalama doğrusal, Kernel zincirleme eşit yüzdelikli ve Kernel zincirleme doğrusal eşitleme yöntemlerinin performansları, eşitleme hatası (RMSD) ve eşitlemenin standart hatasına (SEE) göre değerlendirilmiştir. Bu amaçla örneklem büyüklüğü, yetenek dağılımı, ortak madde tipi, ortak madde oranı ve ortak madde güçlük dağılımı koşulları ele alınmıştır. Bu araştırmada, test uzunluğu 50 olarak sabit tutularak, 3 örneklem büyüklüğü, 2 yetenek dağılımı, 2 ortak test tipi (iç ve dış), 3 ortak madde oranı ve 2 ortak madde güçlük dağılımı (mini ve midi) olmak üzere 72 farklı simülasyon koşuluyla beş eşitleme yöntemini karşılaştıran bir desen oluşturulmuştur. Araştırma kapsamında gerçekleştirilen analizler R yazılımı ile gerçekleştirilmiş ve her bir koşul için 100'er tekrar yapılmıştır. MTK gerçek puan eşitlemede madde parametrelerinin kestirimi için R yazılımında yer alan "ltm" paketi (Rizopoulos, 2015), elde edilen madde parametrelerini aynı ölçeğe yerleştirmek ve test puanlarının eşitlenmesi için "plink" paketi (Weeks, 2010), Kernel eşitleme yöntemleri için ise "kequate" paketi (Andersson, Branberg & Wiberg, 2013) kullanılmıştır. 3PLM'ye uygun olarak "irtoys" paketi (Partchev, 2016) kullanılarak iki kategorili puanlanan test formları (ortak test ve ana test formları) üretilmiştir. Çalışmada yer alan koşulların eşitleme hatası ve standart hatası üzerindeki ortak etkisi için "lattice" paketi (Sarkar, 2017) kullanılmıştır. Araştırmadan elde edilen sonuçlar incelendiğinde, örneklem büyüklüğü, yetenek dağılımı, ortak madde tipi, ortak madde oranı ve ortak madde güçlük dağılımı koşullarının ve bu koşulların etkileşimlerinin eşitleme yöntemlerinin performansını etkilediği görülmüştür. Örneklem büyüklüğü arttıkça eşitleme hatasının ve eşitlemenin standart hatasının azaldığı; ancak örneklem büyüklüğünün standart hata üzerindeki etkisinin toplam hata üzerindeki etkisine göre daha fazla olduğu görülmüştür. Gruplar arası yetenek dağılımı farklı olduğunda bütün eşitleme yöntemlerinde hatanın arttığı, ancak bu durumun eşitleme yöntemlerine göre farklılık gösterdiği sonucuna ulaşılmıştır. Gruplar arası yetenek dağılımı farklılaşmasından zincirleme eşitleme yöntemlerinin daha az etkilendiği görülmüştür. Ayrıca Kernel eşitleme yöntemlerinde gruplar arası yetenek dağılımı farklı olduğunda uç puanların, MTK gerçek puan eşitlemede ise orta yüksek puanların daha yüksek standart hata verdiği sonucuna ulaşılmıştır. Dış ortak testte, iç ortak teste göre daha düşük standart ve toplam hata elde edilmiş ve ortak madde oranı arttıkça standart ve toplam hatanın azaldığı bulunmuştur. İç ortak testte, gruplar arası yetenek dağılımı benzer olduğunda mini ve midi ortak test benzer sonuçlar verirken, gruplar arası yetenek dağılımı farklı olduğunda midi ortak test; dış ortak testte isemidi ortak test daha iyi sonuçlar vermiştir. Kernel eşitlemeye dayalı yöntemler karşılaştırıldığında, doğrusal eşitleme yöntemleri, eşit yüzdelikli eşitleme yöntemlerine göre daha düşük standart hata vermiş; eşitleme hatası açısından ise Kernel eşit yüzdelikli eşitleme yöntemleri daha iyi sonuçlar vermiştir. Bütün koşullarda Kernel eşitleme yöntemlerinin MTK gerçek puan eşitleme yöntemine göre orta puan ölçeğinde daha düşük standart hata verdiği, puan frekansının daha az olduğu uç puanlarda ise daha yüksek standart hata verdiği bulunmuştur. Uç puanlarda MTK gerçek puan eşitleme yöntemden Kernel eşitleme yöntemlerine göre daha düşük hata elde edilmiştir. Bu nedenle, özellikle bireyler hakkında önemli kararlar verilecek durumlarda Kernel eşitleme yöntemleri yerine MTK gerçek puan eşitleme yöntemleri kullanılabilir. Genel olarak, yeni bir yaklaşım olan Kernel eşitleme yöntemlerinin MTK gerçek puan eşitleme yöntemi kadar iyi sonuçlar verdiği sonucuna ulaşılmıştır. Gerçek puan eşitleme yöntemlerinin kullanılmasının uygun olmadığı durumlarda Kernel eşitleme yöntemlerinin kullanılması önerilebilir. Test formlarının eşitlenmesi sonucunda elde edilen eşitlenmiş puanlar eşitleme yöntemlerine göre farklılık gösterdiğinden; testin amacı doğrultusunda, eşitleme yöntemlerinin güçlü ve zayıf yönleri dikkate alınarak, eşitleme yöntemine karar verilmelidir.